Asia Data

尽管二十年前这个术语还不存在，而且近年来唯一实现的进步来自弱人工智能或狭隘人工智能，但艾伦·纽厄尔和赫伯特·西蒙所持有的人工实现人类大脑的梦想最终将在某个时刻。

这不是知道何时的问题，而是了解科学和工程将采取什么路径来实现这一目标。在约翰·塞尔 (John Searle) 在 80 年代已经理论化的这个渐进过程中，机器学习横向参与；组织的应用和自主改进领域。

承诺之间的节制
毕马威的一项研究显示，47% 的西班牙公司已经投入超过800 万欧元用于人工智能和机器学习相关项目。其中 25% 的组织声称将拨款高达 4400 万欧元，以将整个业务模式重新定位为算法和流程自动化。

Grand View Research在另一份报告中估计，到 2025 年，全球机器学习市场价值将接近 1000 亿美元。这意味着它将巩固业务量超过四位数的百分比增长。这只需要投资基金、企业和机构持续五年的努力。

Gartner认为，到 2020 年底，超过 40% 通过数据获得的 荷兰 Telegram 手机号码列表 应用程序将已经实现自动化，而IMF 商学院估计，在短短两年内，五分之一的职业将在某种程度上与人工智能相关，这证实了全国该领域劳动力需求增长92%。

Cloudera平台为西班牙、法国、德国和英国 35% 的大公司提供了机器学习的高级集成，其中 31% 的公司仍在进行中。此外，47% 的公司已经在进行投资，另外 40% 的公司预计在未来两年内进行投资。

无论你往哪里看，你只能找到期望、数百万美元的投资、巴洛克式宣传的研究，以及很少的实用主义。不可否认，数字化转型帮助巩固了科幻小说的幻想，并打破了 20 世纪下半叶盛行市场模式所带来的阻力。

然而，乐观也是一把双刃剑。如果技术进步出现的背景被理想主义所包围，而每一项成就都强化了偏见和先入为主的想法，那么批评和反思的空间就会消失。

机器学习的起飞可以追溯到 2002 年或 2003 年，但它却淹没在咨询公司和大公司参与的夸夸其谈的预测之中。

第一个关注的是乐观情绪，它能产生更多的兴趣、反馈需求并分配利益；第二种是通过宣传成功和隐藏失败来管理他们宣扬的教学形象的暴君。

“具有长期自给自足目标和意图的机器尚未被开发出来，也不可能在不久的将来被开发出来。”这是斯坦福大学在《2030年的人工智能与生活》一书中得出的锤炼结论。

那么预测和繁荣从何而来？机器学习的兴起已经到来，并且目前正在从更便宜的设备衍生的小型实现中出现，以处理必要的数据。